风电和光伏发电功率联合预测与预调度框架

随着多区域互联电力系统的发展,风电、光伏等新能源发电大规模并网,风电-光伏功率的联合预测和协调调度是必然趋势和迫切需求。为此,从风电-光伏发电的时空相关性分析出发,对风电-光伏功率时空耦合、风电光伏联合预测建模、风电光伏联合预测模型参数优化、考虑风电-光伏联合预测的电力系统预调度等方面进行了分析讨论。首先,研究揭示风电-光伏功率在时间-空间上的交互影响机理,提出面向多时间尺度的风电-光伏功率时间互补性分析方法,建立风电-光伏发电空间相关性量化模型,构建基于多阶图卷积神经网络风电-光伏发电时空耦合模型;基于此,研究提出了融合异构图神经网络的风电-光伏联合预测方法,建立了风电-光伏联合预测模型参数优化模型,构建了新能源有功功率预测误差矢量评价体系,为风电-光伏联合发电系统的协调调度和控制提供决策支撑;在风电-光伏联合发电预测的基础上,采用风电、光伏发电时间互补、空间互济的思路探讨了风电-光伏联合的电力系统预调度策略和方法,对不同时间尺度风电-光伏的协调调度策略进行了剖析,建立了电网-区域-集群-场站空间递阶的风电-光伏联合发电系统分层调度框架。最后,展望了未来风电-光伏联合预测与预调度方面应研究的方向。

基于多任务渐进式学习模型的风-光-荷功率短期预测

同一地区的风电、光伏和负荷功率与风速、辐照度和温度等气象因素密切相关,在电力系统不同运行场景下存在一定的互动耦合关系。为了捕获多源荷间的差异性和相关性,挖掘高维数据中蕴含的潜在规律,提出一种基于深度时空融合网络的多任务渐进式学习模型,实现风-光-荷联合功率预测。首先,基于深度时空融合网络设计共享信息与特有信息子网;然后,构建计及时空相关性的多任务渐进式学习模型,分别对风、光、荷功率的共享和特有时空信息进行由浅至深渐进式提取;最后,将共享信息与特有信息子网所得特征向量进行融合映射,实现对未来风-光-荷功率的联合预测。实际日前风-光-荷联合预测算例结果表明,所提模型可弥补现有多任务模型出现“负迁移”和“跷跷板”现象的不足,提高预测精度和稳健性。

采用模型预测控制的微电网有功无功联合实时调度方法

微电网中电源距离负荷较近,线路阻抗比一般较大,使得节点电压水平不但受无功功率的影响,也与各电源的有功功率密切相关,并且各电源的无功上限也受到有功大小的限制。为此,该文提出了一种考虑电压约束的微电网有功无功联合优化调度方法,以达到微电网经济运行与电压控制的目的。对风电、光伏电源功率采用了多场景建模方法。采用模型预测控制技术的建模方法,完成了微电网的滚动实时优化调度与电压控制。算例分析表明,所提出的有功无功联合调度方法可以有效地将微电网节点电压控制在允许范围内,与有功无功独立调度方法相比,所提方法降低了微电网中的节点电压偏差,也更有利于实现微电网经济运行。

基于IDE-WNN的短期风电功率预测及概率评估

风电功率预测包括确定性预测和不确定性预测。前者关注预测精度,后者关注预测结果包含的风险。将改进差分进化算法用于小波神经网络的参数优化,在不同方向上广泛地搜索最优解,提高了预测精度。通过计算风电功率预测值关于预测误差和功率波动的条件联合概率及对应的置信区间,对预测结果所包含的风险进行了较为全面地评估,通过仿真实验验证了所提方法的有效性。

手关节能量多普勒超声评分预测生物制剂治疗类风湿关节炎疗效的价值

目的分析手关节能量多普勒超声评分(PD评分)预测托珠单抗(TCZ)治疗中重度类风湿关节炎(RA)疗效的价值。方法选取2017年4月—2018年4月的80例中重度RA患者,给予TCZ治疗,给药剂量为8 mg/kg,4周1次,治疗时间为24周,同时酌情给予非甾类抗炎药(NSAIDs)和/或激素治疗。对所有患者在入组时、TCZ治疗12周时、TCZ治疗24周时的红细胞沉降率(ESR)、C反应蛋白(CRP)、白细胞计数(WBC)、类风湿因子(RF)、血小板计数(PLT)、28个关节疾病活动度积分(DAS28-ESR、DAS28-CRP)及手关节滑膜厚度、PD评分进行分析。对患者在TCZ治疗12周时、TCZ治疗24周时达到美国风湿病学会(ACR20)标准的比例进行评价和分析。结果随着TCZ治疗的进行,患者各时点的ESR、CRP、WBC、RF、PLT水平及DAS28-CRP、DAS28-ESR、滑膜厚度、手关节PD评分逐渐降低,不同时点的差异均有统计学意义(P<0.05)。在TCZ治疗12周时、TCZ治疗24周时,分别有43例(42.00%)和54例(68.00%)达到ACR20标准。患者在TCZ治疗12周时的手关节PD评分预测TCZ治疗24周时达到ACR20标准的受试者工作特征曲线下面积(AUC)为0.704(P<0.05),在Cut-off值下,灵敏度为0.875,特异度为0.529。结论TCZ治疗能够显著缓解中重度RA患者的炎症反应程度、降低疾病活动度和关节滑膜损害程度,患者在治疗12周时的手关节PD评分可用于预测治疗24周时的治疗效果。

含抽水蓄能的风水火联合机组组合研究

针对含抽水蓄能和风电系统,基于风电功率概率分布特性,并结合火电机组和抽水蓄能运行特性的差异,提出了一种新的抽水蓄能和风电合作方式。其核心是对火电机组和抽水蓄能在应对风电不确定性过程中承担的作用进行区分,通过抽水蓄能和风电的合作应对风电预测误差中出现的概率较小、幅值较大的部分。常规的风电波动仍由火电机组应对,以节省抽水蓄能有限的调节资源,提高火电机组备用响应有效性。在此基础上,将抽水蓄能和风电合作纳入到机组组合决策中,建立了含抽水蓄能的风水火联合机组组合模型。并通过26节点地区电网验证了该模型在减少火电机组启停,提高系统消纳风电能力方面的有效性。

考虑风电不确定性和有功无功联合调整的两阶段优化调度

基于风电不确定性以及网络中潮流的合理分布对机组出力均有影响的调度问题,文中建立含风电的两阶段优化调度模型。针对风电预测精度日内-实时逐步提高的特点,日内滚动阶段根据时间序列法预测风电出力数据,构造优化发电成本的初调度,确定机组基础出力;实时阶段为了进一步减小误差,通过蒙特卡洛场景生成和后向削减预测风电出力,考虑风电的不确定性;通过有功和无功功率联合调整的动态潮流,使各机组根据频率特性系数按比例分担有功功率不平衡量,根据节点区域控制策略调整无功功率不平衡量,修正机组基础出力,实现潮流的合理分布,建立优化网损和电压水平的调度模型,并通过粒子群算法对模型求解,最后以改进IEEE14节点为例,进行仿真验证。

生成对抗网络在风电功率预测中的应用

针对极端气象条件所产生的异常数据使得预测结果在极端气象情况下存在预测精度低和异常识别错误等问题,提出一种基于对抗生成式网络的风电功率预测方法.该方法基于联合分布KL散度,分析并明确正常数据与异常数据的联合分布,经过不同模式下的对抗训练,生成风电功率数据集,实现多种气象条件下风电功率预测.研究结果表明:本文所采用的对抗生成网络采用了ReLU激活函数,其预测误差具有更好的收敛性.结论证明多任务学习可适用于多种气象条件下的风电功率预测,并且在减少数据清洗的同时,提高风电功率的预测精度.

利用电化学储能追踪风电预测曲线的风储联合调度经济性分析

针对风电场上报给调度中心的超短期功率误差较为严重,给风电大规模并网带来了巨大阻碍,严重影响风电竞争力的问题,提出利用储能系统追踪风电功率预测曲线的风储联合出力模型。首先通过长短期神经网络进行风电功率超短期预测;然后通过风储联合出力,同时考虑储能系统全寿命周期建设成本以及引入储能系统后风电场上报预测曲线误差惩罚成本的经济性影响;最终确定风储联合调度计划。在吉林省某风电场实测数据的基础上,对比不同追踪模式下的风储电场经济成本和风电利用率。仿真结果表明,运用所提风储联合发电模型发电度电成本为0.2316元/kWh,相对于无储能模式降低22.67%,同时风电利用率提高17.48%,均方根误差降低0.07,平均绝对误差降低0.08,说明所提策略可以在保证风储电站的经济性的同时有效减少风电并网功率误差,提高风电利用率。

基于PSO-LSSVM的高压电力电缆接头温度预测

高压电力电缆接头温度是反映电缆运行状况的重要指标,对接头温度进行精确预测可提高电缆安全运行水平。采用最小二乘支持向量机建立适用于电缆接头的温度预测模型,并给出了预测方法的具体步骤。模型以电缆接头的历史温度、环境温度、湿度和线芯/护层电流比为输入样本,电缆接头的表面温度为输出。为了提高预测精度,采用粒子群优化算法对模型的标准化参数和正则化参数进行动态寻优。以上海某110 k V电缆接头为例进行预测,结果表明,提出的方法能较好地预测电缆接头温度,预测精度高,为电缆温度监测和预警系统提供可靠的判断依据。

含风电接入的区域综合能源系统电/热储能配置

为解决综合能源电/热储能配置问题,提出了一种含风电接入的区域综合能源系统电/热储能配置方法。首先,构建风电功率预测的动态神经网络预测模型,对区域综合能源系统内的风电场出力进行有效预测。然后,分析区域综合能源系统电/热储能充放能行为,建立储电、储热与区域风电场功率的联系,并考虑电热耦合关系,形成电/热储能的联合优化配置模型。最后,选取某地实际数据,设置3个场景,将预测结果代入优化模型计算储电和储热配置,对比验证了该方法下风电预测具有较好效果,有利于储能资源的优化配置和降低成本。

基于SVM改进PSO算法的电缆接头温度预测分析

为了获得更高的电缆接头温度预测精度,引入了粒子群(PSO)优化算法来动态寻优标准化参数。以PSOSVM算法对电缆接头温度进行预测,生成相应的训练与测试样本。通过训练样本来计算PSO-SVM模型乘子λ及其偏差量B,再根据计算得到的B与λ处理测试样本获得模型精度与预测效果。仿真分析结果表明:采用PSO-SVM方法可以预测得到更加符合实测值的结果,获得比SVM预测方法更优的相对误差,得到的优化参数是完全有效的。大小不一样的数据样本会对预测结果精度造成明显影响,其中样本较多时可以获得相对更高的预测精度。

风电功率波动平抑下储能出力与平滑能力的动态优化控制策略

风电场并网处布置储能系统能改善并网经济性,平抑风电并网功率波动。然而,储能出力优化电网运行性能受储能系统的功率、容量和能量状态等诸多因素影响。本文引入储能电池出力能力指标,设计了保护储能电池和保障并网功率平衡能力的多目标优化模型,提出一种基于储能荷电状态模糊动态调节的模型预测控制策略,在整体上保证储能出力最小水平,在局部储能高充/放电区域的时段内提高储能充/放电出力能力,并将本文方法与传统模型预测方法进行仿真对比。结果表明,在相同储能配置比例下,本文方法能有效平抑风电功率波动,综合指标均优于传统模型预测方法,在优化负荷功率波动的同时也提高了储能系统的功率支撑能力,平衡了储能输出和平滑能力的矛盾。

基于CNN-BPNN的风光抽水蓄能电站联合优化

由于风电和光伏发电输出功率具有波动性和不稳定性,使其利用效率低、并网困难。本文利用抽水蓄能电站灵活性高的特点,将风力发电和光伏发电输出功率与抽水蓄能发电输出功率进行联合优化。首先,凭借卷积神经网络卷积核参数共享与短期信息提取强的优势,预测风力、光伏发电输出功率;然后,以环境和气象因素为基础,通过BP神经网络构建抽水蓄能电站发电功率预测模型,使最终并网功率为恒定值。本文建立的模型预测结果误差小,预测准确性高,最终优化后的输出功率趋于稳定,可有效提高风电、光伏发电并网的稳定性,减少电力系统中弃风、弃光现象。

基于多重灵敏度的有源配电网有功无功联合优化方法

针对分布式电源接入后配电网实时优化维度高、复杂性增强以及部分量测缺失导致传统潮流计算无法进行等问题,提出一种基于多重灵敏度的主动配电网有功无功联合优化方法。针对配电网实时优化模型复杂度高的问题,推导一种多重灵敏度系数矩阵,简化传统潮流模型;针对因配电网部分量测缺失而导致多重灵敏度难以通过潮流物理模型实时获取的问题,建立基于社交网络搜索算法与径向基神经网络的多重灵敏度实时感知模型;结合模型预测控制理论,设计以可实时量测线路线损最小以及可调节设备调节成本最低为目标的配电网实时有功无功联合优化调控策略,并基于多重灵敏度感知模型实现灵敏度实时校正,提高配电网控制精度。通过IEEE 33节点系统验证了所提方法的有效性。

基于表面肌电信号Wigner-Ville分布的人体膝关节力矩预测

目的:提出一种基于表面肌电信号时频分析的预测膝关节力矩的新方法。方法:受试者完成递增负重蹲起实验,采集股直肌的表面肌电信号进行时频分析,获得基于Wigner-Ville分布的表面肌电信号在时间和频率的二维平面上的能量密度,并由此估算出能够反映肌肉瞬时做功能力的敏感指标——瞬时平均频率功率。结果:以股直肌的瞬时平均频率功率和膝角为自变量,获得的二元线性回归方程可以有效预测膝关节瞬时力矩的大小。结论:表面肌电信号瞬时平均频率功率能实时反映肌肉的做功能力,可作为预测膝关节力矩和预防膝关节损伤的一个基础指标。